Improving the computational efficiency of the successive projections algorithm by using a sequential regression implementation: a case study involving nir spectrometric analysis of wheat samples

AUTOR(ES)

Soares, Anderson S., Galvão Filho, Arlindo R., Galvão, Roberto K. H., Araújo, Mário César U.

FONTE

Journal of the Brazilian Chemical Society

DATA DE PUBLICAÇÃO

2010

RESUMO

Este artigo propõe uma implementação de regressões seqüenciais para o algoritmo das projeções sucessivas (APS), que é uma técnica de seleção de variáveis para regressão linear múltipla. Para ilustração, apresenta-se um exemplo envolvendo a determinação de proteína em trigo por espectrometria no infravermelho próximo. As previsões do modelo resultante exibiram um coeficiente de correlação de 0.989 e um RMSEP (erro médio quadrático de predição) de 0.2% m/m na faixa de10.2-16.2% m/m. A implementação proposta proporcionou ganhos computacionais de até cinco vezes.

Documentos Relacionados

• Cross-validation for the selection of spectral variables using the successive projections algorithm
• A new validation criterion for guiding the selection of variables by the successive projections algorithm in classification problems
• Use of an Automatic System in the Preparation of Gas Mixtures for Multivariate Calibration: A Case Study Involving NIR Analysis of Natural Gas
• Effect of the subsampling ratio in the application of subagging for multivariate calibration with the successive projections algorithm
• Multi-core computation in chemometrics: case studies of voltammetric and NIR spectrometric analyses